2026开源大模型选型指南：能力、部署与许可证

开源模型的选型不能只看能力榜单，还要同时看部署条件和许可证。截至核验时点的官方模型卡，DeepSeek、Qwen、GLM、Kimi、MiniMax、gpt-oss、Gemma、Mistral、Llama 九个主流家族，已经覆盖编程 Agent、长文档处理和图文理解等需求，但不同版本的开放条款并不一致。选型时要做三件事：区分标准许可证与自定义许可证，分清总参数、激活参数和实际显存，再用自己的任务验证效果。

一、看"开放了什么"，而不是只盯权重

公开权重是选型的重要起点，但完整开源 AI 的判断还需要看其他发布物。截至 2026 年 10 月核验的 OSI《Open Source AI Definition 1.0》，可修改形式涉及训练数据信息、代码和参数三个层面。看到 MIT 或 Apache 2.0 标注，只能确认对应发布物的许可证，不能仅凭这一项就宣布整个 AI 系统满足完整开源定义。

这篇盘点聚焦通用语言模型和原生多模态模型，覆盖九个主流家族的代表发行物。图像生成、视频生成、语音合成、嵌入模型属于另外几条技术路线，需要单独比较，不在本文范围内。

二、许可证按版本核对：九大家族一表

模型许可证必须按具体版本核对，不能用家族名称代替发行物的条款。下表依据 2026 年 10 月 14 日核验的官方模型卡和许可证整理，"关注方向"表示可纳入测试的任务，不代表跨厂商排名。

最容易看漏的是同一家族内部的差异。Qwen3.8-27B 采用 Apache 2.0，Flash-Next 采用社区许可；GLM-5.3-Flash 采用 MIT，GLM-5.3 采用自定义许可。公司名称相同，不意味着商业使用条件相同。

三、写代码、跑 Agent：先看任务能不能做完

编程 Agent 选型需要评估跨文件修改、工具调用和任务完成情况，单次生成页面只能覆盖其中一部分。

DeepSeek-V4.1-Flash、GLM-5.3-Flash、GLM-5.3、Kimi-K3 和 MiniMax-M3，都在各自官方模型卡中强调编程或 Agent 能力。可以把它们放进同一组实际工程任务，但不要把厂商各自的榜单直接拼成一张"谁最强"排名。

据 2026 年 10 月核验的 DeepSeek 官方模型卡，V4.1-Flash 的骨干网络为 552B 参数，预填充阶段激活 8B、解码阶段激活 16B，上下文最高支持 100 万 token。这里的激活量描述计算参与量，不是整个模型的加载规模。

据同期 Z.AI 官方模型卡，GLM-5.3-Flash 为 320B 总参数、18B 激活参数。MiniMax 官方模型卡标注 M3 约 428B 总参数、约 23B 激活参数。Kimi-K3 官方模型卡则标注 2.8T 总参数，强调原生多模态 Agent 与长期代码工程。

这些大模型的实际部署还涉及权重格式、推理框架和集群资源。个人开发者可以先在可用的托管环境验证任务效果，再决定是否投入自建部署。

四、本地部署：从官方运行条件往回选

本地部署应从硬件条件和推理配置筛选模型，不能只看名字里的 "Small" 或 "Flash"。

OpenAI 在 2025 年 8 月发布的 Ollama 教程建议，gpt-oss-20b 使用至少 16GB 显存或统一内存。gpt-oss-120b 官方模型卡在 2026 年 10 月核验时，说明其 MXFP4 权重可在一块 80GB GPU 上运行。

这些说明对应各自的推理环境与权重格式，不能当作所有配置的统一硬件保证。长上下文、并发和工具环境仍需另外评估。

Qwen3.8-27B 是 27B 稠密模型，也可以纳入本地部署测试。其官方模型卡在 2026 年 10 月核验时标注：原生上下文为 262,144 token，可扩展至 100 万。扩展上限需要相应配置，不能直接当作默认运行能力。

Gemma 4 家族提供 E2B、E4B、12B、26B A4B 和 31B 等尺寸，可按设备条件缩小候选范围。这里尤其要留意：尺寸名称、实际参数量和显存占用是三个不同概念。

五、总参数、激活参数、显存：三个不同问题

以 GLM-5.3-Flash 为例，规格来自官方模型卡，核验日期 2026 年 10 月 14 日。

总参数 320B：模型的参数规模，涉及整个模型的权重，但不是每个 token 都使用全部参数。

激活参数 18B：MoE 中参与当前计算的参数，描述计算参与量，不等于只需加载 18B 权重。

运行内存：按配置测量，是部署时实际占用的资源，取决于权重格式和部署方式，还要考虑缓存、并发和运行开销。

B 代表十亿参数；不能按激活参数直接推算整模型显存。来源均为官方模型卡。

六、选本地模型，按这条顺序检查

第一步，硬件与权重格式：先看官方运行条件。第二步，上下文与并发：原生长度与扩展配置分开看。第三步，真实任务测试：记录效果、速度与内存。

要记住一点：上下文窗口更长，不代表长文档回答一定更准确。窗口长度只是容量上限，不直接等于答案准确率。

七、看图、听音频、读长文：能力要落实到型号

多模态选型必须逐项确认输入和输出，图片理解、视频理解和音频理解不能互相替代。

DeepSeek-V4.1-Flash、Qwen3.8-27B、GLM-5.3-Flash、Kimi-K3、MiniMax-M3、Mistral Small 4 和 Llama 4 Scout，均有官方图文能力说明。需要处理视频时，再核对具体模型卡中的视频输入方式与限制。

Gemma 4 尤其适合用来理解"家族能力不等于单型号能力"。据 2026 年 10 月核验的 Google 官方模型卡，E2B、E4B、12B 支持音频输入；31B 版本标注的是图文输入、文本输出，不能把其他尺寸的音频能力直接套过去。

长文档也不能只比窗口数字。据同期官方模型卡，Mistral Small 4 上下文为 256K，Llama 4 Scout 标注 10M。但实际能否准确找出证据、识别矛盾，仍要用目标文档测试；窗口长度不是答案准确率。

八、今天就能做的选型测试

相同输入、相同工具和相同验收标准，才能让模型比较对业务有用。

先挑一个真实小任务，例如修复现有项目中的 CSV 导出问题。把同一份代码、需求和测试材料交给候选模型，固定工具权限与推理设置，记录是否完成、改动是否正确、耗时和资源消耗，并进行重复测试。

可以直接使用下面这段任务模板：

任务：修复这个项目的 csv 导出功能。
验收：支持中文、逗号、双引号和换行；保持现有接口行为。
约束：先阅读相关代码，再修改；不要引入无关依赖。
交付：列出修改文件，提供测试方法，并说明未解决的问题。
输入：在这里提供同一份项目代码和问题复现步骤。

多模态任务则换成同一张扫描件或同一段视频，比较字段提取、引用证据和漏项情况。

九、许可证落实到自己的使用方式

许可证检查不能停留在家族层面，要落实到具体使用方式。据官方许可文本：Qwen3.8 Flash Next 对商业 MaaS 及符合定义的独立 AI 工作助手无许可要求；Kimi K3 与 GLM-5.3 对特定规模的 MaaS 主体设有附加条件；MiniMax-M3 还有商业署名、通知或授权要求。每个发行物的条款都不同，商业接入前必须逐份阅读对应版本的 LICENCE。

测试阶段的接入方式同样影响选型成本。用统一入口接入订阅内的多款主流模型，并按用量计量，可以显著降低逐家对接的复杂度。Treerouter 这类 API 网关正是承担这一角色的常见实现：用一个统一 API Key 接入多款模型，按用量计费计量，可测型号以当时的订阅清单为准。对需要在多个候选模型之间做横向对比的团队，这种统一接入层能减少重复的鉴权与路由配置。

最后，把三者串起来：开放模型选型可以先用官方模型卡筛选能力，再用真实任务验证效果，用对应版本的 LICENSE 确认使用条件。OpenAI 与 Google 的模型卡也说明，部署条件和多模态能力需要落实到具体尺寸与配置。

十、总结

2026 年 10 月的九大开源模型家族，覆盖了编程 Agent、长文档和多模态的多数主流场景。选型的正确顺序是：先按许可证版本筛掉不兼容的发行物，再按部署条件（总参数、激活参数、实际显存、上下文）缩小候选，最后用统一输入、统一工具、统一验收标准的真实任务做重复测试。家族名称不等于单型号能力，窗口数字不等于答案准确率，标准许可证不等于完整开源 AI。数据截至 2026 年 10 月 14 日，来源见文末参考资料；资料核验日期不代表各模型发布日期。

了解更多：https://treerouter.com